一种基于激励惩罚机制的电网指标综合评价方法技术

本发明专利技术属于电网综合评价技术领域，尤其涉及一种基于激励惩罚机制的电网指标综合评价方法，包括如下步骤：S1.初选电网评估的关键指标；S2.基于所述关键指标，建立激励惩罚评价模型；S3.计算各指标的综合评价值，建立电网综合评价模型。本方法考虑了不同区域在同一时间内的横向比较、同一区域在不同时间段的纵向比较以及不同区域、指标、时间三维上对电网的电能质量进行时序动态评价，将系统的历史运行状况及其波动情况充分反映到评价结果中。

A comprehensive evaluation method of power grid indexes based on Incentive penalty mechanism

The invention belongs to the technical field of comprehensive evaluation of the power grid, and particularly relates to a method for power grid comprehensive evaluation index based on the incentive and punishment mechanism, which comprises the following steps: key indicators of S1. primary evaluation of power network; S2. the key index based on the establishment of incentive and punishment evaluation model; comprehensive evaluation of S3. to calculate the value of each index, establishes the comprehensive evaluation model of power grid. This method takes into account the different regional comparison, at the same time in the same area in the longitudinal comparison of different time and different regions, index, time dimension on the power of dynamic quality evaluation, the operation status of history and its fluctuation system to reflect the evaluation results.

【技术实现步骤摘要】
一种基于激励惩罚机制的电网指标综合评价方法
本专利技术属于电网综合评价
，尤其涉及一种基于激励惩罚机制的电网指标综合评价方法。
技术介绍
现有对电网指标的评价主要是静态的，主要是标准值评价法，而且是针对某方面的，如对电网的电能质量、低碳效益、经济效益等的评价。上述评价方法的主要缺陷是：只将静态综合评价值与标准值进行比较，没有结合实际考虑评价对象的整体发展状况。
技术实现思路
针对上述问题，本专利技术提出一种基于激励惩罚机制的指标综合评价方法，适用于电网各方面的指标，并且在评价电网指标的过程中引入激励惩罚因子，综合考虑了评价对象的历史数据以及未来发展情况，可以对电网评价对象的整体发展情况进行控制，本方法进一步考虑了不同区域在同一时间内的横向比较、同一区域在不同时间段的纵向比较以及不同区域、指标、时间三维上对电网的电能质量进行时序动态评价，将系统的历史运行状况及其波动情况充分反映到评价结果中。该方法具体为：一种基于激励惩罚机制的电网指标综合评价方法，包括如下步骤：S1.初选电网评估的关键指标；S2.基于所述关键指标，建立激励惩罚评价模型；S3.计算各指标的综合评价值，建立电网综合评价模型。优选的，所述步骤S1具体包括：S1-1.基于电网效益的实现路径，分别在发电侧、电网侧、用电侧筛选出能够影响电网效益的关键因素；S1-2.基于结构熵-因子分析的方法优化所述关键指标。优选的，所述步骤S2具体包括：S2-1.对所述关键指标进行一致化处理；S2-2.建立各关键指标激励惩罚控制方程；S2-3.确定关键指标动态信息采集方式。优选的，所述步骤S3具体包括：S3-1.计算各关键指标在各时间段内带激励惩罚的综合评价值；S3-2.计算各评价对象在时间序列上的动态综合综合评价值；S3-3.基于激励惩罚的综合评价值和动态综合综合评价值建立电网综合评价模型。优选的，所述步骤S1-2具体包括：1)采集评价者意见，形成典型排序矩阵；2)将所述典型排序矩阵转化为结构熵矩阵；3)计算评价者关于指标的平均认识度；4)进行因子分析，形成因子载荷矩阵，对结构熵矩阵进行标准化处理，形成各初选指标的标准化数据；5)根据各因子对总方差的解释程度，判断公因子的个数，并根据因子载荷矩阵，判断各指标的最大因子载荷，以对初选关键指标进行调整与优化；6)将优化前后的因子载荷矩阵进行标准化处理，并对优化前后的数据进行组合信度和平均变异数抽取量检验，以确定电网效益评价的关键指标。本专利技术的有益效果在于：本方法考虑了不同区域在同一时间内的横向比较、同一区域在不同时间段的纵向比较以及不同区域、指标、时间三维上对电网的电能质量进行时序动态评价，将系统的历史运行状况及其波动情况充分反映到评价结果中。附图说明图1是本专利技术实施例的方法流程图；图2是指标动态集结方式图。具体实施方式下面结合附图，对实施例作详细说明。实施例1如图1所示，本专利技术的基于激励惩罚机制的指标综合评价方法的具体步骤如下：S1.电网评估关键指标初选。又包括以下步骤：S1-1.基于电网效益的实现路径，分别在发电侧，电网侧，用电侧筛选出能够影响电网效益的关键因素；根据发电侧、电网侧、用电侧各环节促进电网发展的核心贡献点，选取一系列指标。运用主成分分析法初步筛选出关键指标。假设共有p个指标，分别用X1，X2，……，Xp表示，这p个指标构成的p维随机向量为X＝(X1，X2…Xp)t,设随机向量X的均值为μ，协方差矩阵为Σ。假设X是以n个标量随机变量组成的列向量，并且μk是其第k个元素的期望值，即，μk＝Ε(Xk)，协方差矩阵然后被定义为：对X进行线性变化，考虑原始变量的线性组合：主成分是不相关的线性组合Z1，Z2，……，Zp,并且Z1是X1，X2，……，Xp的线性组合中方差最大者，Z2是与Z1不相关的线性组合中方差最大者，……，Zp是与Z1，Z2……Zp-1都不相关的线性组合中方差最大者。S1-2.基于结构熵-因子分析的关键指标选取优化；建立电网效益关键指标选取的优化模型：1)采集评价者意见，形成“典型排序矩阵”。确定评价者范围，根据指标的历史情况，向评价者征询选取的意见。评价者判断给定指标对电网效益的影响程度，并对指标进行排序。形成初选关键指标的评价意见“典型排序”。2)将“典型排序矩阵”转化成“结构熵矩阵”。由于不同评价者对指标选取有不同的看法，因此各种评价意见生产的“典型排序矩阵”往往会因为数据“噪声”使得评价结果存在潜在偏差和不确定性。为消除这种不确定性，需要对“典型排序矩阵”进行降噪处理，将其转化为“结构熵矩阵”。设有k位评价者参加调查，回收的调查表有k张，则每张调查表对应一个指标集，记为U＝{u1,u2,……，un}。该指标集对应的“典型排序”数据记作{ai1,ai2,……,ain}。由k张调查表获得的指标排序矩阵称为评价意见的“典型排序矩阵”，记为A＝{aij}k×n，其中aij表示第i个评价者对第j个指标的评价，i＝1,2，……，k；j＝1,2,……，n。基于熵理论构建结构熵模型，标准的熵模型如下所示。x(I)＝-λpn(I)lnpn(I)(1)式中，令取代入得化简为两边同除令则结构熵模型为式中，为aij对应的隶属函数值，I，m为转化参数量，根据结构熵理论，令I＝q+1，m＝q+2，则其中，q为评价者对给定指标的排序数。对电网效益影响越大的指标，其排序数越靠前；反之则越靠后。如果某位评价者认为指标aij对电网效益“影响显著”，则q取值为1；如果认为是“影响较大”，则q取值为2，以此类推，由公式(5)和(6)得到：将“典型排序矩阵”中的aij代入(7)中，得到aij的结构熵值bij(bij＝μ(aij)),由此形成“结构熵矩阵”，记为B＝(bij)k×n。3)设k个评价者对指标μj的排序结果同等重要，则对k个评价者关于指标的平均认识度进行计算，记作bj，如式：bj＝(b1j+b2j+……+bkj)/k(8)设k个评价者对指标由认知产生的不确定性(也称“认识盲度”)进行计算，记作Qj，如式(9)，显然Qj≥0。Qj＝|{|max(b1j,b2j,……,bkj)-bj|+|min(b1j,b2j,……,bkj)-bj|}/2(9)根据k个评价者对指标uj的平均认识和认识盲度，计算k个评价者对指标μj的整体认识度(也称为“一致看法”)，记作xj，如式(10)。由xj可形成全体评价者对给定指标选取的总体认识度，记作X，则X＝(x1,x2,……，xn)。根据总体认识度，对初选的关键指标进行排序并初步判断各指标的合理性。xj＝bj(1-Qj),xj＞0(10)4)进行因子分析，形成因子载荷矩阵，对结构熵矩阵进行标准化处理，形成各初选指标的标准化数据。运用SPSS软件对标准化数据进行因子分析，得到各因子对总方差的解释程度以及因子载荷矩阵。5)根据各因子对总方差的解释程度，判断公因子的个数。在此基础上，根据因子载荷矩阵，判断各指标的最大因子载荷，以此对初选关键指标进行调整与优化。根据统计学定义，某指标的最大因子载荷所对应的公因子即为该指标所属公因子。若指标的最大因子载荷小于0.040，表明该指标所属公因子的影响不明显，应删除；反之则应保留。6)将优化前后的因子载荷矩阵进行标准化处理，运用AMOS结构方程模型软件本文档来自技高网...

【技术保护点】
一种基于激励惩罚机制的电网指标综合评价方法，其特征在于，包括如下步骤：S1.初选电网评估的关键指标；S2.基于所述关键指标，建立激励惩罚评价模型；S3.计算各指标的综合评价值，建立电网综合评价模型。

【技术特征摘要】
1.一种基于激励惩罚机制的电网指标综合评价方法，其特征在于，包括如下步骤：S1.初选电网评估的关键指标；S2.基于所述关键指标，建立激励惩罚评价模型；S3.计算各指标的综合评价值，建立电网综合评价模型。2.根据权利要求1所述方法，其特征在于，所述步骤S1具体包括：S1-1.基于电网效益的实现路径，分别在发电侧、电网侧、用电侧筛选出能够影响电网效益的关键因素；S1-2.基于结构熵-因子分析的方法优化所述关键指标。3.根据权利要求1所述方法，其特征在于，所述步骤S2具体包括：S2-1.对所述关键指标进行一致化处理；S2-2.建立各关键指标激励惩罚控制方程；S2-3.确定关键指标动态信息采集方式。4.根据权利要求1所述方法，其特征在于，所述步骤S3具体包括：S3-1.计算各关键指标在各时间...

【专利技术属性】
技术研发人员：杜振东，郑伟民，刘敦楠，孙可，唐天琦，张潜，张笑弟，黄锦华，张全明，郁丹，沈舒仪，赵佳伟，孙黎滢，王蕾，翁华，
申请(专利权)人：国家电网公司，浙江浙电经济技术研究院有限公司，华北电力大学，国网浙江省电力公司经济技术研究院，
类型：发明
国别省市：北京,11